相关系数多少算具有相关性？

相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。

相关系数r的绝对值一般在0.8以上，认为A和B有强的相关性。0.3到0.8之间，可以认为有弱的相关性。0.3以下，认为没有相关性。

扩展资料

相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。

依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

参考资料：百度百科相关系数

相关系数的强弱仅仅看系数的大小是不够的。一般来说，取绝对值后，0-0.09为没有相关性，0.3-弱，0.1-0.3为弱相关，0.3-0.5为中等相关，0.5-1.0为强相关。但是，往往你还需要做显著性差异检验，即t-test，来检验两组数据是否显著相关，这在SPSS里面会自动为你计算的。

样本书越是大，需要达到显著性相关的相关系数就会越小。所以这关系到你的样本大小，如果你的样本很大，比如说超过300，往往分析出来的相关系数比较低，比如0.2，因为你样本量的增大造成了差异的增大，但显著性检验却认为这是极其显著的相关。

一般来说，我们判断强弱主要看显著性，而非相关系数本身。但你在撰写论文时需要同时报告这两个统计数据。

在说明变量之间线性相关程度时,根据经验,按照相关系数的大小将相关程度分为以下几种情况:|rl≥0.8时,可视为两个变量之间高度相关;0.5≤|rl<0.8时，可视为中度相关;0.3≤|rl<0.5时，视为低度相关; |rl<0.3时，说明两个变量之间的相关程度极弱,可视为不相关。

在实际问题中,相关系数一般都是用样本数据计算得到的,因而带有一定的随机性,尤其 是样本容量比较小时,这种随机性更大,此时,用样本相关系数估计总体相关系数可信度会受到很大质疑,也就是说,样本相关系数并不能说明样本来自的两个总体是否具有显著线性关系。因此,需要对其进行统计推断,通过检验的方法确定变量之间是否存在相关性,即要对总体相关系数ρ=0进行显著性检验。

在X. Y都服从正态分布,及原假设(ρ= 0)为真时,统计量

服从自由度为n-2的T分布。当|t|>+(或p

                                                                          ——  汪冬华《多元统计分析与SPSS应用》

一、一般来说，取绝对值后，0-0.09为没有相关性，0.3-弱，0.1-0.3为弱相关，0.3-0.5为中等相关，0.5-1.0为强相关。但是，往往还需要做显著性差异检验，即t-test，来检验两组数据是否显著相关，这在SPSS里面会自动计算的。
二、样本书越是大，需要达到显著性相关的相关系数就会越小。所以这关系到样本大小，如果样本很大，比如说超过300，往往分析出来的相关系数比较低，比如0.2，因为样本量的增大造成了差异的增大，但显著性检验却认为这是极其显著的相关。

三、判断强弱主要看显著性，而非相关系数本身。但在撰写论文时需要同时报告这两个统计数据。

1. 知识点定义来源&讲解：

相关性是用来衡量两个变量之间关联程度的统计概念。相关性系数的取值范围在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无相关性。

2. 知识点运用：

在教育统计中，你可以使用相关性系数来研究教育变量之间的关联程度，比如问卷调查中不同问题之间的相关性，或者教育指标之间的相关性。通过计算相关性系数，你可以了解变量之间的关系，并从中得出有关教育领域的结论。

3. 知识点例题讲解：

针对你的问题：

相关性的强、弱、不相关系数通常的界定如下：

   - 相关系数绝对值在0.7以上可以认为是强相关；

   - 相关系数绝对值在0.3到0.7之间可以认为是中等相关；

   - 相关系数绝对值在0.3以下可以认为是弱相关或不相关。

相关性系数的界定标准可以从统计学或领域专家的研究中得出。论文中引用相关性系数的界定标准，可以参考已有的教育研究文献，例如教育统计学的经典著作、教育研究期刊或相关的教育指标操作手册等。

如果你自己使用统计方法计算出相关性系数，你可以参考上述的强弱系数的标准进行分析和解释。然而，最好还是结合领域知识和相关研究结果来理解和判断相关性程度。

4. 延伸阅读：

如果你对相关性的研究方法和应用感兴趣，可以进一步学习相关的统计学知识和方法。你可以阅读统计学教材中有关相关性的章节，了解更多关于相关性系数的计算公式、假设检验和解释方法等。